申请/专利权人:南京工程学院
申请日:2023-11-21
公开(公告)日:2024-01-30
公开(公告)号:CN117477560A
主分类号:H02J3/00
分类号:H02J3/00;H02J3/38;G06Q50/06;G06V20/13;G06V10/26;G06F18/231;G06F18/27
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.20#实质审查的生效;2024.01.30#公开
摘要:本发明提供一种基于CURE聚类的Batch‑Lasso短期光伏功率预测方法,通过获取光伏电站所在区域的历史卫星云图和气象数据集,对历史卫星云图进行数据处理,获得云遮挡特征数据集,将气象数据集与云遮挡特征数据集组成天气数据集;得到季节天气数据集,基于CURE聚类算法对季节天气数据集进行二次聚类,得到设定种类的气象模式及对应的训练数据集;分别在得到的设定种类的气象模式下,建立Batch‑Lasso光伏功率预测模型;得到短期光伏功率预测模型;输出光伏功率预测结果;该方法能够使用更少的训练数据完成更精确的光伏发电功率预测,能够在天气状况出现较大波动的情况下,在任一时空下拥有较高的预测精度,能够更准确的预测出未来时刻光伏发电的功率值。
主权项:1.一种基于CURE聚类的Batch-Lasso短期光伏功率预测方法,其特征在于:包括以下步骤,S1、获取光伏电站所在区域的历史卫星云图和气象数据集以及历史光伏发电功率,对历史卫星云图进行数据处理,获得云遮挡特征数据集,将气象数据集与云遮挡特征数据集组成天气数据集;S2、对天气数据集按照季节进行一次分类,得到季节天气数据集,基于代表点聚类算法即基于CURE聚类算法对季节天气数据集进行二次聚类,并指定每种季节下依据晴天、多云和雨天聚类三簇,得到设定种类的气象模式及对应的训练数据集;S3、分别在步骤S2得到的设定种类的气象模式下,建立循环套索光伏功率预测模型即Batch-Lasso光伏功率预测模型;S4、在每种气象模式下,将气象模式所对应的训练数据集的输入Batch-Lasso光伏功率预测模型进行训练后,得到短期光伏功率预测模型;S5、依据预测日的天气类型,将预测日的气象数据与云遮挡特征数据输入对应气象模式下的短期光伏功率预测模型,输出光伏功率预测结果。
全文数据:
权利要求:
百度查询: 南京工程学院 基于CURE聚类的Batch-Lasso短期光伏功率预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。